Spark RDD算子/SparkSQL分别实现对电影数据集的简单数据分析

数据集

MovieLens 1M Dataset
users.dat
UserID::Gender::Age::Occupation::Zip-code
这里写图片描述
movies.dat
MovieID::Title::Genres
这里写图片描述
ratings.dat
UserID::MovieID::Rating::Timestamp
这里写图片描述

RDD算子实现

1.年龄段在“18-24”的男性年轻人,最喜欢看哪10部电影

val root = work.getClass.getResource("/")
    val movieRdd = sc.textFile(root + "movies.dat", 3).map(_.split("::"))
    val ratingRdd = sc.textFile(root + "ratings.dat", 3).map(_.split("::"))
    val userRdd = sc.textFile(root + "users.dat", 3).map(_.split("::"))

    val youngMale = userRdd.filter(a => a(1) == "M" && a(2).toInt >= 18 && a(2).toInt <= 25).map(a => (a(0), 1))
    val rating = ratingRdd.map(a => (a(0), a(1)))
    val movieID = rating.join(youngMale).map(_._2).reduceByKey(_ + _).sortBy(_._2, false).take(10)
    //false降序,不加false,升序
    val movieNmae = movieRdd.map(x => (x(0), x(1))).collect().toMap
    val ans = movieID.map(x => movieNmae.get(x._1))
    ans foreach println

这里写图片描述
2.得分最高的10部电影

val ratmovie = ratingRdd.map(x => (x(
  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值